Question

我一直在努力解决这个问题已有一段时间了。我似乎无法弄清楚为什么我有成千上万的百分比错误。我试图找出X1和X2之间的感知器，它们是具有不同均值和相同协方差的高斯分布式数据集。我的代码：

N=200;
X = [X1; X2];
X = [X ones(N,1)]; %bias
y = [-1*ones(N/2,1); ones(N/2,1)]; %classification

%Split data into training and test 
ii = randperm(N);
Xtr = X(ii(1:N/2),:);
ytr = X(ii(1:N/2),:);
Xts = X(ii(N/2+1:N),:);
yts = y(ii(N/2+1:N),:);

w = randn(3,1);
eta = 0.001;
%learn from training set
for iter=1:500 
j = ceil(rand*N/2);
if( ytr(j)*Xtr(j,:)*w < 0)
    w = w + eta*Xtr(j,:)'; 
end
end

%apply what you have learnt to test set
yhts = Xts * w;
disp([yts yhts])
PercentageError = 100*sum(find(yts .*yhts < 0))/Nts;

任何帮助将不胜感激。谢谢

Answer 1

您的错误计算存在错误。

在这一行：

PercentageError = 100*sum(find(yts .*yhts < 0))/Nts;

find返回匹配项的索引。对于您的精确度测量，您不需要那些，您只需要计数：

PercentageError = 100*sum( yts .*yhts < 0 )/Nts;

如果我生成X1 = randn(100,2); X2 = randn(100,2);并假设Nts=100，我会得到2808％的代码，并且预计50％的错误（不比猜测更好，因为我的测试数据无法分开）来修正版本。

更新 - 感知器模型也有一个更微妙的错误，请参阅：https://datascience.stackexchange.com/questions/2353/matlab-perceptron

MATLAB Perceptron

1 个答案: